【分析】図解・ベイズ統計「超」入門 涌井貞美

こんにちわ、読書くんです。もう「図解」って書いてある時点で、実際に見てみないと良さが伝わらないことはわかってるのですが(笑)、それでもおすすめしたい一冊!

 

 

ベイズ統計学って??】
まずベイズ統計を聞いたことあるって人がほとんどいないですよね?読書くんはたまたま友人が大学でやっていたので元々耳にはしていました。

ベイズ統計学は、18世紀のイギリス人牧師・トーマス・ベイズが生み出しました。実は結構複雑な定理でそこまで日本で流行っていなかったのですが、機械学習が流行したと同時に、機械学習(深層学習)に必要な定理として重宝されるようになったのです。

さてこっからは実は読書くんも理解しきれてないですが、記載していきます笑。本当参考になるところを触り程度です。解釈いれられるほどの知識はないのでご容赦を笑

ベイズの定理  
Bが起こった時にAが起こる確率=Aが起こった時にBが起こる確率×Aの起こる確率/Bが起こる確率。
・・・再解釈すると・・・  
Dataが得られた時に仮説が成り立つ確率=仮説の元でDataが生じる確率×仮説成立確率/Dataが得られる確率。  
事後確率=尤度(ゆうど、もっともらしい確率)×事前確率/Dataが得られる確率。

(もっともらしい、という言い回しは統計っぽくていいですね笑)

・A,B,Cのドア3つのうち1つが正解。最初にAを選んだとする。その後、Cが違うと判明した際、選択を変更する方が得か? →変更した方が得。BかCになる確率は3分の2、Cがない為Bになる確率は3分の2になる。 →これをモンティ・ホール問題という。

・これをベイズの定理に代入すると、確かにBに変えたほうが2倍になると証明される。


もうここらへんで頭ぱんぱんになりませんか?笑 「超」入門なのに・・・笑
いいんです、おれ「ベイズ」かじってるよって言えればいいんです笑

ってことで流行に乗っかって一度は本書を開いてみて下さい。挫折することほぼ間違いなしです笑 電子書籍で挫折したい人はhontoで笑

ではでは